 |
 |
|
The shuffled complex evolution method (SCE-UA) |
流出モデル定数の最適同定手法
(１)基本的な考え方
最近、最適化手法として大域的探索法が注目されてきた。この手法は、設定された探索空間を大域的な最小点
（関数値が全探索空間を通して最小な点）を探索するものである。大域的探索法の代表として
| ｜ |
遺伝的アルゴリズム(GA)
|
| ｜ |
SCE-UA法 |
| ｜ |
シミュレーテッドアニーリング法（焼きなまし法） |
| ｜ |
マルチスタート法 |
などがある。
(２)タンクモデル定数の大域的探索
タンクモデルのパラメータは｢流出孔･浸透孔｣、｢流出孔の高さ｣などがあり直列4段タンクモデルの場合、モデル
定数は12個に計算開始時点のタンク水深(初期水深)4個が加わり未知定数は合計16個になる。
これらのモデル定数の同定には解決するために最適化手法は開発されていなかった。それは、今までの手法は
全て局所的な準最適解に陥りやすく、探索出発点（初期値）の設定が適切でなければ、大域的な最適解がうまく
求められなかったことによる。
そこで、こうした問題に対処できる最適化手法として、遺伝的アルゴリズムなどの大域的探索法が考えられたが、
この手法は大域的探索には有効なことは確認されたが、局所解の探索が難しく解の再現性が困難だった。
遺伝的アルゴリズム（Genetic Algorithm､GA）は、選択淘汰、交叉、突然変異といった生物進化の原理に基づく
アルゴリズムであり、多点探索を行うという特徴がある。この概念を活かし、Duanら、Sorooshianらは、GAに類似
した進化の概念を取り入れた新しい実数値･大域的探索法であるSCE-UA法（shuffled complex evolution
method）を提案し、我々はこのモデルを更に改良してより高精度に探索ができるようにしました。
SCE-UA法を用いる利点
これまでタンクモデルのパラメータの同定は、多くの経験と長い時間がかかり、得られた値が、定量的に最適で
あるとの確信が得られなかったが、この手法を用いることによって、きわめて短時間で定量的に最適値を求める
ことができる。
さらに、損失雨量の評価も可能になり、月別の蒸発散雨量を月別補正係数をかけることによって、損失雨量を
逆推定できます。この場合は28個のパラメータの推定が必要になります。
タンクモデル（固定すべきパラメータはa1、2、3、4、5、b1、2、3、S1、2、3、4、Z1、2、3）
最適パラメータ（計算結果）
水需要の形跡結果
|
|
